Gene transcription and antioxidants production in <i>Arthrospira (Spirulina) platensis</i> grown under temperature variation
Notice bibliographique
Résumé
AIM: To investigate the transcription of selected antioxidants and relevant genes under varying temperature conditions, and to identify the optimum temperature for antioxidants production by Arthrospira platensis. METHODS AND RESULTS: The dry weight (DW), pigment production, antioxidants production and gene transcription were examined in A. platensis growing under three temperatures of 23, 30 and 37°C. The cyanobacterial DW was highest in the high temperatures (30 and 37°C), while the pigments, such as Chl a, carotenoids, C-phycocyanin and total phycobiliprotein contents, showed their maximum value at 30°C. The total soluble protein and carbohydrate contents were highest at 30°C. Lipid peroxidation, as a marker for thermal stress, was high at 23°C, while higher temperatures remarkably reduced lipid peroxidation levels. Antioxidants activity was increased by 1·5-fold at 30°C and temperature fluctuations induced the antioxidant enzyme activities. The transcriptional abundance of heat shock protein (HSP90), glutamate synthase (GOGAT), delta-9 desaturase (desC), iron-superoxide dismutase (FeSOD) and the large subunit of Rubisco (rbcL) genes was measured under the same temperatures. CONCLUSION: The optimal temperature for growth, biochemical constituents and antioxidants of A. platensis is 30°C while some antioxidant enzyme activity increased at lower and higher temperatures. SIGNIFICANCE AND IMPACT OF THE STUDY: The study showed the significance of temperature for growth, enzymatic and non-enzymatic antioxidants and gene expression in A. platensis. This contributes to the knowledge of culturing A. platensis to harvest specific antioxidants or as an antioxidant-rich food source.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».